商汤实测 GPT-6-Astra 并开源 SenseNova-RoboRSI：具身智能下一步怎么走？

这次发布到底是什么

2026年10月19日，商汤科技在其新闻中心发布了一篇系统研究文章，主角有两个：一个是被测试的对象GPT-6-Astra，另一个是商汤自己开源的工具箱SenseNova-RoboRSI。商汤是这两个开源产物的开发与发布组织，属于第一方发布。

具体开放的东西有两件：一是SenseNova-RoboRSI评测框架，帮助研究者复现评测、比较系统设计；二是SenseNova-RoboRSI-27B-Preview具身模型，官方以Preview（预览）形式推出，属于开放权重但尚未标注稳定版。原文没有说明开源许可证类型和权重下载细节。

为什么先要测别人的模型

商汤在12个模拟器榜单上测试GPT-6-Astra，涵盖桌面机械臂、人型机器人、轮臂和灵巧手等形态。他们发现，只要允许模型先看训练示范再实践，并把步数上限提高到原来的10倍，原本5次全失败的任务可以变成5次全成功。

这就像考试时允许学生先翻课本再做卷子，还多给十倍答题时间。原文强调，有些“不会做”其实是太早按下了停止键，但代价是时间与费用大幅上升。

能力上去了，账单也上去了

原文给出具体数字：叠碗平均耗时约131分钟、推理费用约19美元；把笔装进笔筒平均耗时263分钟、费用约55美元。对人来说几秒钟的事，机器人要花几个小时和几十美元。

商汤据此指出三类瓶颈：经验跨任务迁移有限、执行成本距商业可行差多个数量级、长序任务仍是短板。此外模型有时无法确认任务是否完成，或顾此失彼。这说明光看榜单分数不够，还要看能不能稳定、便宜地干完活。

快慢两个大脑怎么配合

商汤尝试让慢思考的System 2模型GPT-6-Astra指挥快思考的System 1模型𝝅0.5。直接委托不检查结果，省钱但性能严重受损；检查结果再执行，性能提升但开销没优势。

较有潜力的组合是GPT-6-Astra加ICL加𝝅0.5的闭环方式，在RoboDojo的42个任务上成功率达到54%，但成本问题依然存在。原文认为“低成本、高性能”的区域仍鲜有方法进入，这正是下一步研究方向。

从模拟器走进真实机器人

商汤在8款真机上测试，涵盖单臂、双臂、轮臂、人型、夹爪和灵巧手。GPT-6-Astra能直接操作所有受测真机，擅长桌面抓取，还能主动移动空闲机械臂调整视角看清瓶口。

但面对叠衣服、插插头、长序导航等任务仍有明显差距。现实中机器人可能碰撞停机或电机过热，任务有时间敏感性，也无法像模拟器那样无限重试。原文因此提出未来评测应把思考时间和执行后果都算进去。

开源工具箱怎么用

SenseNova-RoboRSI把各榜单及运行依赖封装成独立Docker镜像，通过统一HTTP API提供环境交互与原生评分，实现评测环境与模型解耦。研究者只需准备配置文件，就能一键完成端到端评测与结果复现。

这降低了复现门槛，也方便社区在统一环境下比较不同模型和Harness设计。对小学生可以这样理解：以前做实验要自己搭实验室，现在商汤把实验室打包成一个盒子，打开就能用。

27B小模型省在哪

SenseNova-RoboRSI-27B-Preview通过多模态监督迭代，把目标理解、动作决策和反馈纠错内化到模型参数中。原文称其在RoboDojo得26.13分、成功率20.83%；在LIBERO-Pro上突破90分；在RoboCasa365上成功率由26.0%提升至46.5%，同时Token开销减少73%。

官方称其任务完成成本仅为GPT-6-Astra的1/50。需要说明的是，这是Preview版本，原文未说明稳定版时间、许可证和商用限制，社区复测时应以官方代码库和配置文件为准。

谁适合关注，怎么核验

适合关注的人群包括具身智能研究者、机器人算法工程师、评测基准维护者和想复现实验的高校学生。普通用户暂时不必期待家用机器人立刻普及，原文明确说距离稳定可靠的真机落地仍有显著距离。

核验方法很直接：按官方技术报告主页和代码库准备配置文件，用Docker镜像跑一遍端到端评测，对比原文给出的分数与Token开销。若结果不一致，应检查榜单版本、步数设置和是否启用ICL，而不是直接采信单一数字。